下载文档原格式
85科协论坛·2009年第4期（下）科研探索与知识创新1 智能小车系统简介本文的研究对象为全国大学生智能汽车竞赛用小车，该系统主要由freescale 提供的mc9s12dg128作为CPU 来控制小车舵机的转向和电机的转速来使整个系统能够稳定而快速的跑完整个有引导黑线的赛道。
常用的赛道信息获取传感器主要分为两种，即光电管和摄像头，由于摄像头获取的视频信号比光电管包含更多信息，本文仅限与摄像头视频信号的处理方法探讨。
2 动态阈值算法由于比赛用赛道只有黑白两种颜色（在白色赛道加上黑色引导线），摄像头获取的视频信号也就比较简单，通常将摄像头的视频输出经过AD 转换后就形成了一个二维数组。
对这个数组的处理是小车能不能跑快的关键。
为了从这个数组中提取出赛道上的黑色引导线，我们进行研究后发现，常规的静态阈值法是不能满足要求的，因为静态阈值法在光强变化时没有自适应能力，较大的光强变化会使得整个算失效。
本文所要给出的动态阈值算法能够随着环境的变化自适应的改变分割阈值，弥补了静态阈值法的不足。
通常，小车所获得视频信息二维数组中，离车身较近的地方看到的图像比较清晰，而较远的地方比较模糊，同时在较远的地方黑线的像素值也越来越高，因此我们采用如下方法来确定动态阈值：（1）找出图像较远处的某一行中的最低像素点，并由此左右扩展一段范围找比它大一点的像素值作为分割阈值。
（2）判断找到的阈值是否小于图像中白色像素点的像素值，如果是，则将找到的阈值作为整幅图像的分割阈值，如果否，转至第（3）步。
（3）选择更近处的行重复（1）、（2），如果找不到合适的阈值，以上次找到的阈值来分割当前图像。
本算法简单易行，与常用的动态阈值法诸如双峰法等相比运算更简单，执行速度更快，可以在有效节约单片机资源的基础上获得理想的赛道信息。
以下为利用本算法对与个弯道赛道信息分割后给出的二值图像，从图像可以很清晰的看到赛道的引导线。
图1 摄像头看到的实际图像和二值化图像3 滤波算法及其实现虽然上述分割算法能够很好的提取出赛道中的黑色引导线，但是在实际过程中我们发现经常出现小车看到赛道外面或者赛道旁边的杂物（如图1中右上角的情况），导致错误判断的情况，为了很好的区分出赛道上的引导黑线，我们对获取的黑线信息进行滤波处理。
一、介绍随着数字图像处理技术的不断发展，图像分割在各个领域中扮演着越来越重要的角色。
而在图像分割的过程中，阈值分割是一种常用且有效的方法。
而在阈值分割的技术中，灰度熵多阈值分割被认为是一种较为高级且有效的技术。
二、matlab灰度熵多阈值分割的原理灰度熵是一种用于度量图像灰度分布均匀性的指标，其值越大，表示图像的灰度分布越均匀。
在灰度熵多阈值分割中，首先需要计算图像的灰度熵，然后通过一定的算法，确定多个阈值，将图像灰度分布均匀的划分为若干个区域，实现图像的分割。
三、matlab灰度熵多阈值分割的实现步骤1. 读取图像在matlab中，可以使用imread函数读取图像的像素值。
2. 计算图像的灰度熵通过灰度熵的计算公式，可以得到图像的灰度熵值。
matlab中可以使用entropy函数来实现这一步骤。
3. 确定多个阈值通过一定的算法，可以确定图像的多个阈值。
常用的算法有基于直方图的阈值确定算法、基于最大熵模型的阈值确定算法等。
4. 分割图像通过确定的多个阈值，可以将图像的灰度分布均匀的划分为若干个区域，实现图像的分割。
matlab中可以使用im2bw函数来实现分割操作。
四、matlab灰度熵多阈值分割的优势1. 鲁棒性强灰度熵多阈值分割可以较好地应对图像受噪声等因素影响的情况，具有较强的鲁棒性。
2. 适用于多峰图像对于具有多个峰值的图像，灰度熵多阈值分割能够有效地实现分割。
3. 可拓展性强灰度熵多阈值分割技术可以很容易地拓展到多维、多通道图像的分割中，具有较强的适用性。
五、总结在数字图像处理领域，灰度熵多阈值分割技术作为一种较为高级且有效的图像分割方法，具有较大的应用潜力。
通过matlab工具的支持，可以更加便捷地实现灰度熵多阈值分割，为图像分割应用提供了更多的可能性。
相信在不久的将来，灰度熵多阈值分割技术将会得到更广泛的应用和深入的研究。
六、matlab灰度熵多阈值分割的应用领域1. 医学影像在医学影像分析中，灰度熵多阈值分割技术被广泛应用于CT、MRI 等影像的分割和处理。
一种新的阈值分割方法
黎燕;樊晓平;李刚
【期刊名称】《小型微型计算机系统》
【年(卷),期】2006(27)11
【摘要】提出了一种基于Renyi熵原理的阈值分割方法.该方法首先计算代表目标的熵和代表背景的熵,然后求出两熵之差并取其绝对值,最佳阈值对应于其中的最小值.Renyi熵比其它熵多了一个参数,此参数使得Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它熵方法,仿真结果显示,该算法比其他熵方法效果更有效、更一般化.
【总页数】3页(P2125-2127)
【作者】黎燕;樊晓平;李刚
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410075;中南大学,信息科学与工程学院,湖南,长沙,410075;中南大学,信息科学与工程学院,湖南,长沙,410075【正文语种】中文
【中图分类】TN915
【相关文献】
1.一种新的灰度图像阈值分割方法 [J], 高雁飞;范九伦
2.一种新的基于图谱理论的图像阈值分割方法 [J], 陶文兵;金海
3.一种新的局部阈值分割算法 [J], 符翔;张剑;王维;黄莅辰
4.一种利用空间梯度信息进行阈值分割与边缘优化的新算法 [J], 李晓兵;阎志军;许
梅梅
5.一种新的二维最大熵图象阈值分割方法 [J], 李填;夏良正;顾宗悫
因版权原因，仅展示原文概要，查看原文内容请购买。
图像分割的阈值法综述一、本文概述图像分割是计算机视觉和图像处理领域中的一项基础而重要的任务，其目标是将图像划分为多个具有相似特性的区域，以便于后续的图像分析和理解。
在众多图像分割方法中，阈值法因其简单、高效和易于实现的特点，受到了广泛关注和应用。
本文旨在对图像分割的阈值法进行综述，探讨其基本原理、发展历程、主要方法、优缺点以及未来发展趋势。
本文将简要介绍阈值法的基本原理，包括灰度阈值法、颜色阈值法和基于直方图的阈值法等。
通过对这些方法的描述，使读者对阈值法有一个初步的认识和了解。
本文将回顾阈值法的发展历程，从最早的固定阈值法到后来的自适应阈值法，再到基于机器学习和深度学习的阈值法。
通过对这些发展历程的梳理，可以清晰地看到阈值法在不断进步和完善。
接着，本文将重点介绍几种主流的阈值法方法，包括Otsu法、最大熵法、最小误差法等。
这些方法各有优缺点，适用于不同的图像分割场景。
通过对这些方法的详细介绍和比较，可以帮助读者更好地选择和应用适合自己的阈值法方法。
本文还将分析阈值法的优缺点，并探讨其在不同应用场景下的适用性和局限性。
还将展望阈值法的未来发展趋势，包括如何结合其他图像分割方法、如何引入更多的先验知识以及如何借助深度学习等技术来进一步提升阈值法的性能等。
本文将对全文进行总结，并给出一些建议和展望。
希望通过本文的综述，能够为读者提供一个全面而深入的视角，以更好地理解和应用图像分割的阈值法。
二、阈值法基本原理阈值法是一种简单而有效的图像分割方法，其基本原理是基于图像的灰度特性，设定一个或多个阈值，将图像中的像素划分为不同的类别，从而实现图像分割。
阈值分割的基本思想是，假设图像由具有不同灰度级的两类区域组成，这两类区域的灰度值具有明显差异，那么可以选择一个适当的阈值，将图像的每个像素的灰度值与这个阈值进行比较，根据比较结果将像素分配到不同的区域中。
如果像素的灰度值大于阈值，则将其归为一类，否则归为另一类。
基于最大模糊熵原理的多阈值图像分割新算法
吴薇
【期刊名称】《系统工程与电子技术》
【年(卷),期】2005(027)002
【摘要】基于最大模糊熵准则,提出了一种新的多阈值图像分割算法.该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度.通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力.
【总页数】4页(P357-360)
【作者】吴薇
【作者单位】武警工程学院通信工程系,陕西,西安,710086
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于人工鱼群算法的最大熵多阈值的成熟革莓图像分割 [J], 覃磊;阮松;张文质;李雅琴
2.基于量子最大熵多阈值算法的图像分割研究 [J], 张俊娜;冯云芝
3.基于模糊熵的自适应多阈值图像分割方法 [J], 宋欢欢;李雷
4.基于克隆选择算法的最大模糊熵图像分割 [J], 任建;邵定宏
5.基于遗传算法的模糊熵多阈值图像分割 [J], 宋翠家;龙建忠;罗代升
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊熵的自适应多阈值图像分割方法宋欢欢;李雷【期刊名称】《计算机技术与发展》【年(卷),期】2014(000)012【摘要】模糊技术能够很好地表达和处理不确定问题，是图像处理领域中一种非常重要的技术。
基于模糊理论，文中提出了基于模糊熵的自适应多阈值分割方法。
根据图像像素的概率分布，将图像行区域化，利用每个区域中像素属于前景和背景的模糊性定义隶属度函数，采用一维搜索方法确定最佳的隶属度函数窗宽，计算最大模糊熵，从而找到区域最优阈值。
文中对多目标、光照不均匀、存在噪声和分割不完全的图像进行实验，结果表明该方法能够很好地解决上述问题，并且较传统的基于Otsu和模糊熵的图像单阈值分割方法，效果显著提高，具有较好的适应性和实用性。
%Fuzzy technology,which can well express and deal with uncertain problems,is very important and useful in the field of image processing. Based on the fuzzy theory,an Adaptive Multi-threshold Method (AMM-FE) of image segmentation based on fuzzy entropy is proposed. According to the distribution probability of the image pixels,divide the image into a plurality of regions. Define the member-ship functions using the pixels belonging to the foreground and the background blur in eacharea,determine the window width of fuzzy membership function by using one-dimension search method,calculating the maximum fuzzy entropy to get the regional optimal thresh-old. By using multi-objective,non-uniform illumination,presence of noise and imperfect image in the experiment,theresults show that this method can greatly overcome these incomplete segmentation situations. Compared with traditional single threshold image segmenta-tion methods like Otsu and fuzzy entropy,the effect of this method is significantly improved,which indicates that the proposed AMM-FE method has better adaptability and practicality.【总页数】5页(P32-36)【作者】宋欢欢;李雷【作者单位】南京邮电大学理学院应用数学研究中心，江苏南京 210023;南京邮电大学理学院，江苏南京 210023【正文语种】中文【中图分类】TP301【相关文献】1.基于模糊率的自适应多阈值图像分割方法 [J], 丁艳;金伟其;刘伟2.基于归一化割的自适应多阈值图像分割方法 [J], 朱友勇;王士同3.基于最大模糊熵原理的多阈值图像分割新算法 [J], 吴薇4.一种基于自适应最小模糊熵的CT图像分割方法 [J], 龚桂芳;冯成德;张慧;朱艳芳5.基于遗传算法的模糊熵多阈值图像分割 [J], 宋翠家;龙建忠;罗代升因版权原因，仅展示原文概要，查看原文内容请购买。
灰度图像二维交叉熵阈值分割法(投出稿) 灰度图像的二维交叉熵阈值分割法* 国家自然科学基金资助（编号60572133）范九伦①雷博①，②①.西安邮电学院信息与控制系, 陕西西安710061; ②.西安电子科技大学电子工程学院, 陕西西安710071 摘要一维Otsu法是一个经典的阈值分割方法，遵循该方法的构造思想，Li 与Lee基于交叉熵提出了一个阈值分割方法。
本文在解释和说明Li 与Lee的方法的基础上，将其推广到二维灰度直方图上，提出了二维交叉熵的图像分割算法并给出快速递推公式。
与二维Otsu法相比，本文方法能够更好的适应目标和背景方差相差较大的情形，是一个有效的阈值分割方法。
关键词阈值分割；Otsu法；交叉熵中图分类号TN911.73 文献标识码 A Two-dimensional cross-entropy thresholding segmentation method for gray-level images FAN Jiu-lun①LEI Bo①，②①.Department of Information and Control, Xi’an Institute of Post and Telecommunications, ,Xi’an, Shaanxi 710061,China; ②. School of Electronic Engineering of Xidian University, Xi’an Shaanxi 710071, China Abstract One-dimensional Otsu’s method is a classical thresholding segmentation method. Li Otsu’s method; cross-entropy 1 引言图像分割是图像分析、理解和计算机视觉中的难点。
在图像分割的诸多方法中，阈值化技术是一种简单有效的方法[1]。
